本页为译文。以英文版为准： English
为智能体，也为部署它的人。
接入你的智能体
一行 MCP 配置，或使用 Agent Skill。主张在写入时即被核查，智能体对自己工作的审查不算数，每次拒绝都说明该改什么。机器可读：/llms.txt、/SKILL.md。
claude mcp add hypgraph -- hypgraph --db study.hypgraph mcp hypgraph skill --install智能体指南
嵌入你的技术栈
一个运行时依赖为 的包。由你决定谁来审查、哪个执行器的记录算作仪器、工作花费多少。另有 JSON API、界面，以及可在 CI 中验证的记录包。
pip install hypgraph
Graph("study.hypgraph", policy=Policy(reviewers={"critic"}))
工程指南
事实，每一条都有来源。
本页的每个数字都是本页自身 HypGraph 记录中的一条主张，绑定到它所来自的测量，并在构建本页前由一名审查者用另一种方式重新测量。点击一条主张即可在记录中打开它。
SHA-256 — 就在这里，在你的浏览器中运行过度主张进不了记录。
这些是在构建本页时写入一份测试记录的。引擎逐一拒绝，并给出代码和需要修正的内容；下面的改写使用同样的证据，被接受了。
每条规则都对应一个真实犯过的错误。
HypGraph 源自一个做长期研究的 AI 智能体团队，以及它们在被明确告知不要犯的情况下仍然犯下的错误。每个错误都变成了一条规则，由记录在写入工作时强制执行，而不是一条只能期望被遵守的建议。
现状是推导出来的
没有任何字段写着“已确认”。审查、风险、支撑和证据强度都在读取时由记录计算得出。
只追加
用 SHA-256 串成链。更正是新版本；撤回的内容仍留在记录中。verify() 能发现任何编辑。
审查固定版本
修正一条已核查的主张，其核查就会过时。基于旧版本的决策会被标记为需要重审。
主张带着数字
主张中的数字绑定到结果字段。没有来源的数字会被拒绝 — 这是摘要出错最常见的方式。
独立性被计数
同一次运行得出的三个结果是一条证据线，而不是三条。共享数据或来源的证据线会合并。
排除需要检验力
只有在证明某次搜索能找到预埋的答案之后，才能说“排除”。否则结果是不确定的。
作者不审查自己
只有指定审查者的裁定才算数，而且不能针对自己的工作。其他人的裁定保留为评论。
仪器自己说话
只有实验室执行器才能记录一次实验室运行。你描述的运行会被标记为你的报告。
次测试中出现 次失败，在一百万次使用中仍可能有 次。
一个在测试中一次也没看到的智能体会写下“从不发生”。记录拒绝这句话并要求给出计数，然后说明在你部署的规模下这些计数还留有多少余地。
一步一步的算术在 次使用中未被排除的失败，置信度 95%，依据 次测试中的 次。
每个学科的方法，由记录来执行。
一种配置包含其学科的各个阶段、每个阶段的出口关卡，以及什么算完成。阶段由记录推导，从不由智能体设定。每一行都有一个在线示例。
| 配置 | 一个问题经过的路径 | 记录拒绝 | 完成条件 | |
|---|---|---|---|---|
scientific@2 | 提出 → 猜想 → 运行前预注册 → 运行 → 有证据 → 主张 → 审查 | 没有结果支撑的数字；没有计数的“从不”；没有检验的“显著”；基于过时证据的核查 | 每个问题都已解决 | 查看 |
software@2 | 规定 → 实现（按哈希的 diff）→ 仪器在该链头上验证 → 主张 → 审查 | 没有仪器运行，或基于已被取代的链头，就宣称“通过”；diff 的作者充当其审查者 | 每项需求的主张都建立在当前链头上一次通过的运行之上 | 查看 |
trading@2 | 提出 → 形成论点 → 预注册 → 计入成本的样本外回测 → 主张 → 风险审查 → 建仓 → 监控 | 没有成本的回测；两者都没有、或没有列出尝试过的配置就宣称“优势”；没有规模、止损和复审日期的仓位；真实下单 | 问题已解决；仓位已建立或已放弃 | 查看 |
knowledge@2 | 提出 → 有出处（段落、获取时间、类型）→ 主张 → 核查 | 没有来源的主张；没有段落的来源 | 每条主张都引用来源并经过核查 | 查看 |
optimization@2 | 提出（按哈希的实例）→ 建模 → 配置 → 求解 → 验证 → 主张 → 核查 | 没有可行性的目标值；没有界、或基于已改变实例的“最优” | 一个可行且有界的当前最优解，在当前实例上验证 | 查看 |
把它接到你的智能体已经在运行的地方。
智能体，通过 MCP
你的智能体获得记录的工具，以及作为 Agent Skill 的方法。
claude mcp add hypgraph -- hypgraph --db study.hypgraph mcp hypgraph skill --install
Python
角色即策略：审查者、仪器、保留作者。
from hypgraph import Graph, Policy
g = Graph("study.hypgraph", policy=Policy(reviewers={"critic"}))界面和 JSON API
默认只读；实时跟随正在运行的智能体群。
hypgraph serve --db study.hypgraph
用报告来把关 CI
对照记录审查报告；出错时以非零代码退出。
hypgraph check summary.md
交付可验证的记录包
任何人都可以用任何语言或在浏览器中检查它。
hypgraph export --telemetry -o study.bundle.json hypgraph verify study.bundle.json
在其上运行一个智能体群
HypSwarm 依据记录自身的工作看板来调度智能体。
pip install --pre hypswarm
记录展示了什么，又不主张什么。
✓ 它展示
- 没有任何事件在写入后被改动：每次写入都被哈希进一条任何人都可以重新检查的链；
- 主张中的哪些数字绑定到哪个结果，以及是哪次运行产生了它；
- 谁针对哪个版本核查了什么，以及该版本是否仍然有效；
- 如果某个前提被撤回，什么会随之倒下。
— 它不主张
- 某条主张为真。它检查写下的内容与记录的内容是否一致；
- 让模型推理得更好。它把模型的过度主张挡在记录之外；
- 任何关于随记录包附带的遥测的内容：遥测在哈希链之外；
- 检查限定范围的记录包所隐藏的事件。验证会指出记录包何时限定了范围。
它在你运行它的地方运行：一个本地文件，无需账户，自身不发起网络调用。版本通过可信发布从 GitHub Actions 发布到 PyPI。
